Struktura konkurencji technologicznej
w największych bankach Polski
Wstęp
Przez konkurencję technologiczną rozumiemy współzawodnictwo w dąże-niu do stosowania coraz korzystniejszych z ekonomicznego punktu widzenia technologii przekształcania nakładów w rezultaty. Podobnie jak w przypadku konkurencji cenowej, jakościowej czy organizacyjnej chodzi o osiągnięcie wyni-ków lepszych niż gdzie indziej.
klasyczne pojęcie efektywności związane jest, jak wiadomo, z XiX w. eko-nomistą V. Pareto. Jej uogólnieniami i modyfikacjami jest np. efektywność koopmansa [1951], Debreu [1951], Farrella [1957], Russella1. W ekonomii
problematyka konkurencji technologicznej często wiązana jest z teorią inno-wacyjności Schumpetera [1943].
We współczesnych badaniach ilościowych, efektywność obiektów gospo-darczych zazwyczaj określana jest na podstawie podejścia Data Envelopment Analysis (DeA) zapoczątkowanego przez Charnesa, Coopera i Rhodesa [1978],
tzw. modelem CCR lub za pomocą opartego na modelach ekonometrycznych podejścia parametrycznego, którego głównym animatorem jest Afriat [1972].
W artykule nawiązujemy do metod DeA.
Badanie konkurencyjności technologicznej za pomocą DeA zwykle jest ukierunkowane na ustalenie ogólnej konkurencyjności technologicznej obiektu
gospodarczego, rozumianej jako jego efektywność technologiczna. Często bada-nia te plasowane są w kontekście korzyści skali (scale efficiency) i
dezagrega-cji efektywności technologicznej na efektywności cząstkowe, np. na efektyw-ność zmian technologicznych (technical efficiency change), czystą efektywność
zmian technologicznych (pure technical efficiency change), efektywność zmian
skali (scale efficiency change) oraz congestion index, por. np. Hsiao, Su [2006].
Spotyka się też propozycje bardziej szczegółowe, np. w pracy Guan i inni [2006] proponuje się określanie konkurencyjności na podstawie tzw. slack’ów oraz wielokryterialnej projekcji DeA. Tutaj wykorzystamy możliwości modelu nadefektywności (super-efficiency) CCR.
* Autor jest pracownikiem katedry ekonometrii Akademii ekonomicznej w Poznaniu. Artykuł wpłynął do redakcji w lipcu 2008 r.
1 Sama idea efektywności Russella jest dość wczesna, choć jej pełne sformułowanie przedstawili dopiero Färe i lovell [1978], Färe, Grosskopf, lovell [1985], Russell [2005].
Artykuł zawiera kilka rozdziałów. Na początku scharakteryzowano model nadefektywności CCR i zaproponowano jego interpretację z punktu widze-nia konkurencyjności technologicznej. Następnie opisano problem badawczy, a w szczególności przedstawiono dane empiryczne oraz przeprowadzono selek-cję banków w celu wyeliminowania banków „technologicznie” skrajnie niety-powych. Dalej zaproponowano prosty miernik potencjału technologicznego obiektów i omówiono wyniki jego estymacji dla banków polskich. kolejne rozdziały dotyczą ustalania konkurentów technologicznych dla banków efek-tywnych i nieefekefek-tywnych (w sensie DeA) oraz próby oszacowania struktury konkurencji technologicznej banków efektywnych.
Ukierunkowany na nakłady standardowy model nadefektywności CCR
Uwagi wstępne
Model nadefektywności CCR, w skrócie Se-CCR, jest prostą, a jednocześnie mającą bardzo duże znaczenie ekonomiczne modyfikacją kanonicznego dla Data envelopment Analysis modelu CCR opracowanego przez Charnesa, Coopera i Rhodesa [1978]. Jego powstanie wiązane jest z pracami Bankera i Gilforda [1988], Bankera, Dasa i Datara [1989] oraz Charnesa i innych [1992].
Najbardziej popularne zastosowanie modelu nadefektywności dotyczy usta-lania rankingu obiektów, a w szczególności rankingu obiektów w pełni efek-tywnych. Odpowiednią propozycję ogłosili Andersen, Petersen [1993]. Jest ona na tyle znana, że niekiedy model nadefektywności wręcz nazywa się modelem Andersena-Petersena. Model nadefektywności ma jednak o wiele szersze zasto-sowanie w analizie zarówno obiektów gospodarczych, jak i społecznych. Np. stosuje się go do badania jednorodności zbioru obiektów2, do analizy
bench-marków, ustalania technologii docelowych oraz struktury technologii docelo-wych. Artykuł, jak już wspomniano, proponujemy wykorzystać do ustalania siły i struktury konkurencji technologicznej.
W literaturze polskiej, jak do tej pory, model nadefektywności opisywany i stosowany jest bardzo rzadko3, dlatego poniżej zamieszczamy jego skrótowe
omówienie oraz interpretację z punktu widzenia konkurencji technologicznej obiektów gospodraczych.
Oznaczenia Używać będziemy następujących oznaczeń:
J – liczba badanych obiektów gospodarczych, yrj – poziom r-tego rezultatu w obiekcie j-ym,
2 Np. Banker, Das, Datar [1989], Banker, Chang [2006].
3 W literaturze krajowej wzmianki na temat tego modelu (choć nie nazwanego nadefektywności) po raz pierwszy znalazły się w książce Rogowskiego [1998].
xnj – wielkość n-tego nakładu w obiekcie j-ym (j = 1, …, J; r = 1, …, R; n = 1, …, N).
Wektor nakładów empirycznych obiektu j-ego oznaczamy przez
xj = [xnj]n = 1, …, N (1)
a wektor jego rezultatów empirycznych przez
yj = [yrj]r = 1, …, R. (2)
W każdym wektorze nakładów oraz rezultatów wszystkie składowe są do-datnie.
Symbolem tj oznaczamy technologię empiryczną obiektu j-ego, czyli jego
wektor empirycznych nakładów i wyników:
.
tj xyj j
=> H (3)
Model DeA ukierunkowany jest na nakłady, jeśli poszukując technologii
opty-malnej postuluje się minimalizację nakładów przy ustalonym dolnym poziomie rezultatów; natomiast jest on ukierunkowany na rezultaty, gdy postuluje się
maksymalizację rezultatów przy ustalonym górnym poziomie nakładów. Główna idea modelu SE-CCR ukierunkowanego na nakłady
W analizach DeA, dla każdego pojedynczego obiektu (zazwyczaj sygnali-zowanego przez o = obiekt), konstruuje się jemu właściwe zadanie decyzyjne,
które pozwala ocenić efektywność tego obiektu na tle pewnego zbioru obiektów
Zo. W przypadku ukierunkowanego na nakłady standardowego modelu Se-CCR
zbiór Zo zawiera wszystkie obiekty j = 1, …, J za wyjątkiem obiektu badanego.
Tak więc w Se-CCR:
Zo = {j = 1, …, J oprócz obiektu j = o) () Ukierunkowane na nakłady zadanie SE-CCR dla obiektu numer o polega na
znalezieniu takiej technologii wspólnej zbioru obiektów Zo, że za jej pomocą uda się uzyskać rezultaty nie mniejsze od rezultatów obiektu o-tego, przy możliwie
minimalnych nakładach.
Zakłada się przy tym, że technologia wspólna jest średnią ważoną techno-logii empirycznych obiektów tworzących zbiór Zo czyli:
. t T oj j Z j o o = m d
/
(5)gdzie:
To – technologia wspólna zbioru obiektów Zo,
loj – krotność, z jaką technologia empiryczna obiektu j-ego „wchodzi” do
technologii wspólnej (loj ³ 0). Współczynniki loj często nazywane są wagami intensywności lub współczynnikami benchmarkingowymi.
W modelu Se-CCR minimalizacja nakładów dokonywana jest poprzez mini-malizację tzw. mnożnika nakładów obiektu o-tego, który określa jaką co
najwy-żej krotność poszczególnych nakładów (n = 1, …, N) obiektu o-tego stanowią
poszczególne nakłady technologii wspólnej. Mnożnik nakładów obiektu o-tego
oznaczamy dalej przez ro.
Przykładowo, gdy jeden rezultat Y uzyskuje się za pomocą dwóch nakładów X1 oraz X2, a technologia obiektu o-tego oraz trzech obiektów (j = 1, 2, 3)
3 tworzących zbiór Zo są następujące:
; , , , X X Y t t t t 10 14 15 5 3 7 7 1 8 2 5 10 1 2 0= 1= 2= 3= R T S S SS R T S S SS R T S S SS R T S S SS R T S S SS V X W W WW V X W W WW V X W W WW V X W W WW V X W W WW
to przy wagach lo1 = 0,5, lo2 = 0, lo3 = 2 technologią wspólną zbioru Zo jest:
, , , , , . T t t t 0 5 5 3 7 0 7 1 8 2 0 2 5 10 6 5 11 5 23 5 o=mo1 1+mo2 2+mo3 3= + + = R T S S SS R T S S SS R T S S SS R T S S SS V X W W WW V X W W WW V X W W WW V X W W WW
Gdyby więc ustalono, że technologia wspólna składa się z 50% technologii obiektu pierwszego oraz dwukrotności technologii obiektu drugiego, to tech-nologia wspólna, korzystając z nakładów X1 = 6,5, X2 = 11,5 pozwoliłaby uzyskać 23,5 jednostek rezultatu. W tym wypadku nakłady technologii wspólnej stanowią następującą krotność nakładów empirycznych obiektu o-tego: dla X1
jest to 6,5/10 = 65%, natomiast dla X2 – 11,5/15 = 77%. Mnożnik nakładów
ro określający, jaką co najwyżej krotność nakładów obiektu o-tego stanowią
nakłady technologii wspólnej wynosi 0,77.
Oczywiście, przy innych wagach intensywności technologia wspólna, na ogół, będzie inna.
Sformułowanie modelu SE-CCR
Standardowe ukierunkowane na nakłady zadanie nadefektywności CCR dla obiektu o-tego sformułować można następująco:
i. Dane:
yrj – poziom r-tego rezultatu w obiekcie j-ym (j = 1, …, J; r = 1, …, R), xnj – wielkość n-tego nakładu w obiekcie j-ym (n = 1, …, N).
ii. Zmienne decyzyjne
– wagi intensywności dla obiektu o-tego: lo1, lo2,…, loJ (z wyłączeniem lo,o);
– mnożnik nakładów obiektu o-tego: ro.
iii. Funkcja celu
– minimalizacja mnożnika poziomu nakładów obiektu o-tego:
ro ® min (6)
iV. Warunki ograniczające
– technologia wspólna obiektów Zo daje rezultaty nie gorsze od rezultatów uzy-skanych przez obiekt o-ty:
, , ; dla yrj y r 1 R j j o J oj ro 1 = f $ m = ! ^ h
/
(7)– nakłady technologii wspólnej nie przekraczają ro – krotności nakładów obiektu o-tego: , , ; dla x j x n 1 N j j o J oj o o n n 1 = f # m t = ! ^ h
/
(8) V. Warunki znakowero; lo1, lo2, …, loJ ³ 0 (oprócz lo,o). (9)
Interpretacja mnożnika nakładów z punktu widzenia technologii W modelu Se-CCR zbiór Zo zawiera wszystkie obiekty poza obiektem
badanym. Można go przeto interpretować jako (wirtualny) zbiór obiektów, które „chcą” wykonać zadania obiektu o-tego możliwie najmniejszą krotnością
jego rzeczywistych nakładów. Dlatego przyjąć można, że obiekty te konkurują
z obiektem o-tym o jak najlepsze wykorzystanie jego nakładów.
Ponieważ w dalszej części artykułu mówić będziemy o konkurencji
techno-logicznej, dlatego – by nie wprowadzać dwóch znaczeń słowa konkurencja –
obiekty tworzące zbiór Zo nazwiemy oponentami (adwersarzami, antagonistami)
obiektu o-tego. Mamy więc następującą interpretację mnożnika nakładów:
Mnożnik ro określa, jaką minimalnie krotność nakładów obiektu o-tego
musieliby zastosować jego oponenci w swojej optymalnej technologii wspólnej, aby móc zrealizować zadania obiektu o-tego.
Mnożnik ro wskazuje na względną przewagę technologiczną obiektu o-tego
nad wszystkimi pozostałymi obiektami. W szczególności:
a) ro > 1 oznacza, że oponenci obiektu o-tego – nawet w swojej optymalnej
technologii wspólnej – musieliby dla wykonania zadań obiektu o-tego
wyko-rzystać więcej nakładów niż ów obiekt; w tej sytuacji należy przyjąć, że obiekt o-ty jest technologicznie skuteczniejszy od wszystkich pozostałych;
b) ro < 1 oznacza, że oponenci obiektu o-tego wykonaliby jego zadania
mniej-szym nakładem niż uczynił to badany obiekt, a więc oznacza, że obiekt o-ty
jest technologicznie mniej skuteczny od grupy pozostałych obiektów;
c) ro = 1 obiekt o-ty jest technologicznie tak samo skuteczny jak przeciętnie
skuteczni są jego oponenci.
Mnożnik nakładów r jest tym większy, im obiekt jest technologicznie coraz bardziej skuteczny. Dlatego pełni on rolę wskaźnika rankingowego. Obiekt o
więk-szym mnożniku klasyfikowany jest wyżej.
Dodajmy, że jeśli w rozwiązaniu optymalnym modelu Se-CCR:
a) r0 ³ 1, to obiekt o-ty jest w pełni efektywny w sensie, powszechnie w DeA
stosowanej, efektywności Farrella; a jego efektywność wynosi qo = 15;
b) ro < 1, to obiekt nie jest efektywny w sensie Farrella; jego efektywność
wynosi qo = ro.
Ogólna procedura ustalania konkurentów technologicznych na podstawie modelu SE-CCR
Badanie konkurencji technologicznej obiektów w jakiejkolwiek dziedzinie działalności gospodarczej zakładać musi, że porównywane obiekty charaktery-zują się wystarczającą równorzędnością ze względu na dziedzinę konkurencji.
Np. w przypadku konkurencji cenowej nawet mniejsze obiekty, o ile tylko skutecznie oddziałują na poziom cen rynkowych, są konkurentami większych obiektów gospodarczych.
W tym znaczeniu, przystępując do badania konkurencji technologicznej obiektów gospodarczych, trzeba od razu stwierdzić, że obiekty z nieefektyw-nymi technologiami nie są w ogóle konkurencyjne w stosunku do obiektów z technologiami efektywnymi. Z definicji bowiem obiekty nieefektywne, aby uzyskać większą efektywność, muszą wzorować się na technologiach
obiek-tów efektywnych i nie ma tu równorzędności technologicznej. Wynika z tego następujący wniosek:
Badając efektywność technologiczną obiektów gospodarczych należy osobno
badać konkurencję obiektów w pełni efektywnych i osobno obiektów
nieefek-tywnych.
Jest to podstawą procedur rankingowych opartych na modelach nadefektywności, np. proce-dury Andersena-Petersena [1993].
Sformułowanie problemu badawczego
Schemat procedury badania konkurencji technologicznej za pomocą modelu SE-CCR
Wyróżniamy następujące etapy procedury: Działanie 1. (Usunięcie obiektów nietypowych)
W pierwszym etapie rozpoznajemy i eliminujemy obiekty skrajnie niejed-norodne technologicznie w stosunku do pozostałych. W jednym z kolejnych podrozdziałów opiszemy prosty sposób badania nietypowości obiektów. Zbiór bez obiektów nietypowych, oznaczamy przez Z.
Działanie 2. (Segmentacja obiektów)
Ustalamy, które obiekty są w pełni efektywne, a które nie. W tym celu, dla wszystkich obiektów, rozwiazujemy zadanie Se-CCR względem „pełnego” zbioru obiektów Z, i ustalamy ich współczynniki rankingowe na zbiorze Z6.
Obiekty w pełni efektywne na zbiorze Z nazwiemy globalnie efektywnymi (lub
w pełni efektywnymi), i oznaczymy je przez ZE. Obiekty nieefektywne na
zbio-rze Z nazwiemy globalnie nieefektywnymi (lub nieefektywnymi), i oznaczymy
je przez ZNE.
Działanie 3. (Ustalanie konkurencji technologicznej obiektów globalnie
efektyw-nych)
Ustalanie konkurentów obiektu globalnie efektywnego odbywa się poprzez rozwiązanie odpowiedniego zadania Se-CCR określonego na zbiorze obiektów globalnie efektywnych ZE.
Działanie 4. (Ustalanie konkurencji technologicznej obiektów globalnie
nieefek-tywnych)
konkurentów obiektu globalnie nieefektywnego szukamy w obrębie obiektów globalnie nieefektywnych, rozwiązując odpowiednie sekwencje zadań Se-CCR na zbiorze obiektów globalnie nieefektywnych ZNE lub jego podzbiorach.
Lista banków
W Polsce najpowszechniej znanym rankingiem banków jest ranking 50. naj-większych banków w Polsce przeprowadzany od wielu lat przez Miesięcznik
Finansowy Bank. Najnowsze7 (i połowa 2008 r.) opracowanie dotyczy 2006
roku. Autorzy rankingu generalnie ograniczają się do prostych wskaźników
6 Przypomnijmy, że obiekt jest w pełni efektywny w sensie Farrella, gdy jego współczynnik rankingowy ro ³ 1. Jeśli zaś ro < 1, obiekt jest nieefektywny w sensie Farrella.
7 Dodatek do Miesięcznika Finansowego Bank (edycja XII, maj 2007), „Bank. Miesięcznik Finansowy”, czerwiec 2007.
finansowych dotyczących głównie wielkości globalnych lub wskaźników finan-sowych, co jest bardzo użyteczne dla menedżerów. Publikacja rankingu uzupeł-niania jest o bardzo wszechstronne źródła statystyczne, co z kolei jest bardzo użyteczne dla analityków.
Badać będziemy 25 największych banków działających w Polsce, wyklucza-jąc z analizy banki średnie i małe, przez które rozumiemy banki zatrudniawyklucza-jące w 2006 r. poniżej 800 osób. Banki nie analizowane w artykule to prawie wszystkie banki spółdzielcze i hipoteczne (które ze względu na swą specyfikę i tak powinny być analizowane oddzielnie). Zatrudnienie w ich przypadku na ogół nie przekracza 200 osób8. Wykluczono też banki, dla których podstawowe
informacje zawierały duże luki w danych (np. Deutsche Bank PBC, Santander Consumer Bank SA). listę banków przedstawiono w tablicy 1 oraz 3.
Nakłady i rezultaty
W sensie DeA rezultatem jest wynik określonej sfery działalności obiektu
gospodarczego (np. sprzedaż) lub jakaś pożądana własność obiektu (np. zna-czenie dla regionu). Zmienne określające rezultaty muszą być maksymantami (stymulantami), a więc muszą być takie, że jest tym lepiej, im wielkość „rezul-tatu” jest większa9. Z kolei nakładem w sensie DeA jest nie tylko nakład
mate-rialny (np. majątek), ale i to, co jest ważne dla uzyskiwania rezultatów (np. stopień urbanizacji czy liczba ludności). Zmienna określająca nakłady musi być minimantą (destymulantą), co znaczy, że jej coraz większa wartość przy nierosnących rezultatach, oceniana jest coraz gorzej10.
W przeprowadzonym badaniu przyjęto następującą listę rezultatów:
1. wynik z tytułu odsetek (mln zł), Odsetki,
2. wynik z tytułu prowizji i pozostałych operacji (mln zł), Prowizje.
Natomiast listę nakładów tworzą:
1. zatrudnienie (osoby), Zatrudnienie, 2. rzeczowe aktywa trwałe (mln zł), Majątek,
3. kredyty, pożyczki udzielone, należności od innych banków (mln zł), Należności,
4. zobowiązania wobec klientów (mln zł) Zob. klienci. 5. inwestycje i papiery wartościowe (mln zł), Inwest. fin.,
6. zobowiązania wobec banku centralnego oraz zobowiązania z tytułu instru-mentów finansowych (mln zł), Zob. bank.c.
Umieszczenie w liście rezultatów dwóch podstawowych wyników działal-ności bankowej (odsetki oraz prowizje) jest naturalne. Nie reprezentowano
8 Na podstawie danych statystycznych dotyczących Polski widać wyraźne przejście między ban-kami średnimi (zatrudnienie ok. 800 do kilku tysięcy osób), a banban-kami małymi – zatrudnienie ok. 200 lub mniej osób.
9 Gdyby rezultat podawany przez statystykę był „odwrotny”, można go przekształcić do postaci maksymanty biorąc odwrotność lub odejmując od pewnej (dużej) liczby dodatniej.
10 Nie wystarczy powiedzieć, że wzrost nakładów oceniany jest negatywnie, gdyż wzrost ten może być warunkiem koniecznym wzrostu rezultatów.
jednak wszystkich rezultatów jednym wskaźnikiem, np. zyskiem, gdyż byłaby to charakterystyka zbyt agregatowa.
Wśród nakładów rozpatrzono dwa klasyczne czynniki produkcji: pracę oraz majątek. Wzięto też pod uwagę dwie działalności po stronie aktywów ban-kowych: (a) kredytowanie, udzielanie pożyczek i uzyskiwanie należności, (b) inwestowanie na rynku finansowym, a także, powiązane z nimi, dwie działal-ności po stronie pasywów banku: (a) zobowiązania wobec klientów (głównie depozyty), (b) zadłużania się w banku centralnym oraz zobowiązania z tytułu instrumentów finansowych.
Dane statystyczne
W tablicy 1 przytoczono dane statystyczne na temat nakładów i rezultatów w badanych bankach w 2006 r.
Tablica 1 Informacje statystyczne N ak ła d/ R ez ul ta t Pk O B P B an k Pe k aO B an k B PH IN G B an k śl ąs ki B R E B an k B an k H an dl ow y B an k Za ch od ni W B k B an k M ill en iu m B an k G os po d. k ra jo w eg o k re dy t B an k B G Ż R ai ffe is en B an k Pk O Pe k aO B PH IN G B R E B H an B ZW B k B M ill B G k k re dy t B G Ż R ai ff Za tr ud ni en ie 31 95 5 15 64 7 98 52 72 87 33 20 55 91 74 67 50 89 12 82 56 27 53 87 21 56 M aj ąt ek 26 54 14 98 11 8 71 7 58 0 65 1 49 4 32 3 10 9 38 6 0 51 N al eż no śc i 72 36 9 42 29 1 44 25 1 26 50 5 25 88 8 19 51 6 20 76 2 16 06 0 16 11 3 13 73 1 13 85 8 12 80 9 Zo b. k lie nc i 82 90 0 51 79 3 41 43 8 38 56 1 24 66 9 18 87 1 24 16 9 16 06 9 87 94 15 50 1 00 2 10 65 9 in w es t. fin . 19 83 6 18 71 4 15 93 5 19 76 4 11 07 7 13 22 3 92 45 38 66 81 72 68 79 38 71 10 31 Zo b. b an k. c 14 91 7 47 71 1 26 0 52 08 12 62 0 10 98 3 35 97 53 47 73 60 34 92 20 38 29 18 O ds et ki 37 85 23 77 19 55 93 6 72 4 10 26 10 34 65 1 30 2 78 0 45 9 50 6 Pr ow iz je 22 54 22 79 13 58 82 85 5 11 88 13 31 60 3 12 0 57 2 22 8 33 4 N ak ła d/ R ez ul ta t G e M on ey B an k G et in B an k Fo rt is B an k B an k Po ls ki ej Sp ół dz . B an k O ch ro ny śr od ow . N or de a B an k Po ls ka lu ka s B an k D om in et B an k AB N AM R O B an k e ur o B an k B an k in ic ja ty w Sp oł . e ko n. B an k Po cz to w y in ve st B an k G e M o G et in Fo rt is B PS B O ś N or de a lu ka s D om in et AB N e ur o B iS B Po cz in ve st Za tr ud ni en ie 35 17 20 17 13 39 15 52 17 15 98 2 43 89 85 6 11 17 72 78 3 93 7 11 6 M aj ąt ek 79 10 2 60 80 11 7 56 16 1 68 3 87 93 30 67 N al eż no śc i 11 1 2 89 27 90 97 36 66 63 72 13 10 54 51 1 26 31 84 24 59 18 60 19 82 14 07 Zo b. k lie nc i 56 58 99 42 49 11 73 67 17 8 00 32 56 98 9 50 8 1 2 22 11 18 68 1 61 in w es t. fin . 30 16 6 83 9 46 36 13 86 53 36 82 13 2 23 2 25 4 52 8 54 5 28 5 Zo b. b an k. c 89 12 39 60 48 59 68 06 65 2 13 83 13 80 28 9 23 15 10 37 19 3 39 2 12 3 O ds et ki 83 5 31 4 20 8 10 5 16 7 13 7 96 0 13 2, 3 65 3 23 0 72 8 11 0 Pr ow iz je 33 3 22 5 20 0 68 1 11 2 60 10 ,7 10 16 6 8 Źródło : 50. najwięk szych bank ów w Polsce , „Bank. Miesięcznik Finansowy ”, czerwiec 2007
Podstawowe cele badawcze
Zajmiemy się oszacowaniem potencjału konkurencji technologicznej poszcze-gólnych banków. Ustalimy ich konkurentów technologicznych oraz strukturę ich konkurencji. Określimy też siłę związków konkurencji technologicznej w badanej grupie banków („spójność” konkurencji).
Ustalanie obiektów skrajnie nietypowych
Jeśli w zbiorze występują obiekty skrajnie nietypowe (outliers), to zbiór jest
niejednorodny. Dlatego przed rozpoczęciem analizy trzeba je wyeliminować. W odniesieniu do problematyki konkurencji technologicznej oznacza to usu-nięcie obiektów odznaczających się technologiami skrajnie niepodobnymi do technologii obiektów „typowych”.
W celu ustalenia obiektów nietypowych można posłużyć się modelem Se-CCR. Obiekt jest skrajnie nietypowy, gdy jego dotyczący wskaźnik ran-kingowy jest albo bardzo duży, albo bardzo mały. Przyjmiemy, że technologia danego banku jest skrajnie nietypowa, gdy wskaźnik rankingowy jest mniejszy od 0,05 (czyli gdy stanowi mniej niż 5% wskaźnika „przeciętnego”) lub gdy jest większy od 20 (wskaźnik przeciętny stanowi mniej niż 5% wskaźnika dla danego obiektu).
W tablicy 2 podano obliczone według modelu Se-CCR wskaźniki rankingowe rozpatrywanych banków na tle wstępnego zbioru 25 banków wymienionych w tablicy 111.
Tablica 2 Wskaźniki rankingowe SE-CCR na zbiorze 25 banków
Bank r Bank r Bank r
PkO 0,678 kredyt 2,156 lukas 3,431
PekaO 1,296 BGŻ 0,450 Dominet 0,698
BPH 0,883 Raiff 1,912 ABN 21,049
ING 0,714 GeMo 48,019 euro 2,063
BRE 1,212 Getin 0,737 BiSe 0,639
BHan 1,194 Fortis 1,007 BPocz 0,924
BZW 1,402 BPS 0,403 invest 1,480
BMil 0,792 BOś 0,691
BGk 0,650 Nordea 1,268
Źródło: opracowanie własne
11 Wszystkie obliczenia w tym artykule zostały wykonane za pomocą własnych arkuszy opra-cowanych pod Solverem excela. Jeśli nie podano źródła (tablicy, wykresu itp.), oznacza to „opracowanie własne”.
Wnioski:
• technologiami skrajnie odbiegającymi od innych odznaczają się dwa banki zagraniczne: Ge Money Bank, dla którego wskaźnik rankingowy wynosi aż 48 (co znaczy, że dla wykonania zadań tego banku, inne banki potrzebo-wałyby aż 48 razy więcej nakładów niż potrzebował Ge Money Bank) oraz ABN AMRO Bank (którego wskaźnik rankingowy też jest bardzo wysoki i równy 21). „Nietypowość” obu banków wynika z pozyskiwaniu niezwykle dużych, w stosunku do ich nakładów, kwot z tytułu odsetek oraz prowizji, • w dalszym ciągu artykułu rozpatrujemy następujący zbiór 23 banków:
Tablica 3 Lista badanych banków
Nr Nazwa Nr Nazwa Nr Nazwa
1 PkO 9 BGk 17 Nordea
2 PekaO 10 kredyt 18 lukas
3 BPH 11 BeŻ 19 Dominet
ING 12 Raiff 20 euro
5 BRE 13 Genin 21 BiSe
6 BHan 1 Fortis 22 BPocz
7 BZWBk 15 BPS 23 invest
8 BMill 16 BOś
Źródło: opracowanie własne
Szacowanie potencjału technologicznego banków
Potencjał technologiczny
W rozdziale 2 drugim wskazano, że wskaźnik rankingowy określa skutecz-ność technologiczną obiektu w obrębie badanego zbioru obiektów. Można go więc uznać za miernik potencjału technologicznego obiektu o-tego, TP:
TPo = ro. (10)
Podany miernik przyjmuje wartości dodatnie. Jeśli jest on większy od 1 oznacza to, że potencjał technologiczny obiektu jest na tyle duży, iż jego tech-nologia jest efektywna. Obiekt może więc stać się emitentem wzorców
tech-nologicznych dla innych obiektów, czyli może być źródłem dyfuzji innowacji. Jeśli natomiast miernik jest mniejszy od 1, potencjał technologiczny obiektu jest za mały, aby technologię można było uznać za efektywną. Taki obiekt nie jest wzorcem technologicznym dla innych. Może on być jedynie imitatorem wzorców
Wyniki
Optymalne wskaźniki rankingowe otrzymane po rozwiązaniu odpowied-nich modeli nadektywności na całym badanym zbiorze 23 największych ban-ków polskich (po usunięciu Ge Money Bank oraz ABN AMRO Bank) podano w tablicy 4.
Przykładowe wnioski
• Największym potencjałem technologicznym odznaczają się stosunkowo młode na polskim rynku banki zagraniczne: lukas Bank, euro Bank i Raif-feissen Bank oraz jeden z pierwszych w Polsce banków prywatnych kredyt Bank.
• Zdecydowanie największy potencjał technologiczny posiada lukas Bank. Jego technologia pozyskiwania rezultatów (odsetek i prowizji) jest prawie 12-krotnie lepsza od przeciętnej, i 4-6 razy lepsza od następnych w kolej-ności kredyt Banku, Raiffeisen Banku i euro Banku12.
Tablica 4 Oszacowanie potencjału technologicznego banków (23 banki)
Nr
banku Bank technologiczny rPotencjał o Nr
banku Bank technologiczny rPotencjał o Nr
banku Bank technologiczny rPotencjał o
1 PkO 0,680 9 BGk 1,004 17 Nordea 1,268
2 PekaO 1,296 10 kredyt 3,216 18 lukas 11,686
3 BPH 0,933 11 BGŻ 0,460 19 Dominet 0,707
ING 0,731 12 Raiff 2,520 20 euro 2,768
5 BRE 1,212 13 Getin 0,824 21 BiSe 0,639
6 BHan 1,207 1 Fortis 1,035 22 BPocz 0,931
7 BZWBk 1,402 15 BPS 0,487 23 invest 1,480
8 BMill 0,797 16 BOś 0,691
Źródło: opracowanie własne
• Najmniejszym potencjałem technologicznym około 45-50% odznaczały się dwa banki: Bank Gospodarki Żywnościowej oraz Bank Polskiej Spółdzielczości. lepszym, choć też niezbyt dużym, w granicach 70-80% potencjałem technologicznym charakteryzowały się PkO BP, iNG Bank śląski, Bank Millenium, Getin Bank, Bank Ochrony środowiska, Dominet Bank oraz Bank inicjatyw Społeczno-ekonomicznych.
12 Porównując wyniki zamieszczone w tablicy 4 oraz 2 można zauważyć, że wskaźniki rankin-gowe obliczane na podstawie zbioru, z którego usunięto jeden lub więcej obiektów w pełni efektywnych, są nie mniejsze od wskaźników rankingowych liczonych dla zbioru, który zawiera
obiekt usunięty. Nie jest to przypadkowe, a własność tę można udowodnić matematycznie. Sprawa jest zresztą prosta: jeśli usuniemy obiekt w pełni efektywny, to inne obiekty badane są na tle „nieco gorszego” zbioru obiektów, a zatem mogą wypaść lepiej (a ogólnie – nie gorzej).
• Wśród banków o najmniejszym potencjale technologicznym znajdują się głównie banki, które działały jeszcze w gospodarcze socjalistycznej (PkO BP, BGŻ), niektóre banki wywodzące się z dawnego NBP lub będące ich kontynuatorami (iNG Bank śląski, Bank Millenium) oraz banki wprawdzie powstałe po 1989 r., ale w których dominuje akcjonariat firm państwowych lub organizacji – Bank Ochrony środowiska, Bank inicjatyw Społeczno--Gospodarczych, Bank Polskiej Spółdzielczości.
Ustalanie konkurentów technologicznych obiektów efektywnych
Segmentacja zbioru banków
Działanie to, jak już wskazano wcześniej polega na określeniu za pomocą Se-CCR dwóch grup obiektów: obiektów globalnie efektywnych oraz obiek-tów globalnie nieefektywnych. Obiekt o-ty jest globalnie efektywny, gdy jego
współczynnik rankingowy liczony w odniesieniu do całego zbioru obiektów jest niemniejszy od 1, oraz jest globalnie nieefektywny, gdy ro < 1.
Wyniki, które są podstawową segmentacji obiektów, już podano w tablicy 4. Na jej podstawie stwierdzamy, że:
• bankami globalnie efektywnymi są:
PekaO, BRe Bank, Bank Handlowy, Bank Zachodni WBk, Bank Gospodarstwa krajowego, kredyt Bank, Raiffeisen Bank, Fortis Bank, Nordea Bank, lukas Bank, euro Bank, invest Bank (12 banków);
• bankami globalnie nieefektywnymi są:
PkO BP, BPH, iNG Bank śląski, Bank Millenium, BGŻ, Getin Bank, BPS, BOś, Dominet Bank, BiSe, Bank Pocztowy (11 banków).
Konkurencja technologiczna w obrębie banków globalnie efektywnych konkurentami technologicznymi obiektu globalnie efektywnego mogą być tylko inne obiekty globalnie efektywne.
W celu ustalenia listy konkurentów technologicznych danego obiektu glo-balnie efektywnego, rozwiązujemy dotyczące tego obiektu zadanie Se-CCR na zbiorze wszystkich obiektów globalnie efektywnych.
Rozwiązania optymalne odpowiednich zadań Se-CCR dla poszczególnych ban-ków globalnie efektywnych przedstawiono w tablicy 513. Dla banku o numerze o
(którego dotyczy odpowiedni wiersz tabeli) podano współczynnik rankingowy ro
oraz wagi intensywności loj w optymalnej kombinacji wspólnej jego konkurentów
technologicznych. Obiekt j-y jest konkurentem technologicznym obiektu o-tego,
gdy (występująca w wierszu o-tym i kolumnie j-ej) waga intensywności roj > 0.
13 Jeśli w zadaniu Se-CCR rozwiązanym względem całego zbioru obiektów (np. na potrzeby segmentacji obiektów) w liście oponentów obiektu globalnie efektywnego występują tylko inne obiekty globalnie efektywne, to rozwiązanie to jest od razu rozwiązaniem odpowiedniego zadania względem tylko obiektów globalnie efektywnych.
Tablica 5 K onk ur encja technologiczna w obr ębie bank ów globalnie efektywnych li cz ba ko nk ur en tó w B an k lo ka ln e r W ag i in te ns yw no śc i dl a ba nk u po da ne go w w ie rs zu Pe k aO B R E B H an B Z W B k B G k k re dy t R ai ff Fo rt is N or de a lu ka s e ur o in ve st 2 Pe k aO 1, 29 6 0 0 0 1, 43 9 0 0 0 0 0 0 0 8, 18 5 1 B R E 1, 21 2 0 0 0, 72 0 0 0 0 0 0 0 0 0 0 B H an 1, 20 7 0 0, 31 8 0 0, 60 2 0 0, 19 7 0 0 0 0, 02 0 0 0 3 B ZW B k 1, 44 4 0, 40 6 0 0 0 0 0 0, 86 6 0 0 0 0, 70 7 0 1 B G k 1, 00 4 0 0 0 0 0 0 0, 59 7 0 0 0 0 0 1 k re dy t 3, 21 6 0 0 0 0 0 0 0 0 0 0 3, 45 7 0 3 R ai ff 2, 54 3 0 0 0 0, 02 4 0 0 0 1, 45 7 0 0, 18 7 0 0 3 Fo rt is 1, 03 5 0 0 0 0, 06 0 0 0 0, 24 5 0 0 0 0, 23 0 0 1 N or de a 1, 26 8 0 0 0 0 0 0 0 0 0 0 0, 67 6 0 1 lu ka s 12 ,8 97 0 0 0 0 0 0 0 0 0 0 4, 16 7 0 e ur o 2, 76 8 0 0 0 0, 01 7 0 0 0, 12 6 0, 48 8 0 0, 05 0 0 0 2 in ve st 1, 48 0 0, 01 8 0 0 0 0 0 0 0 0 0, 07 1 0 0 D la i lu j es t ko nk ur en te m 2 1 1 5 0 1 2 0 5 1 Źródło: opracowanie własne
Przykładowe wnioski
• Jedynym konkurentem technologicznym najskuteczniejszego lukas Banku jest inny bank zagraniczny – euro Bank. Jest to jednak konkurent dość słaby, gdyż jego potencjał technologiczny jest prawie 4-krotnie mniejszy od potencjału technologicznego lukas Banku.
• Prawie każdy bank globalnie efektywny spotyka się z konkurencją techno-logiczną ze strony 2-3 innych banków.
• Najwięcej konkurentów technologicznych (4) ma Bank Handlowy oraz euro Bank. konkurentami technologicznymi Banku Handlowego są: BRe Bank, BZ WBk, kredyt Bank oraz lukas Bank, a konkurentami technologicz-nymi euro Banku są: BZ WBk, Raiffeisen Bank, Fortis Bank oraz lukas Bank1.
• Najmniejszą liczbą konkurentów technologicznych (jeden) charakteryzuje się, jak już powiedziano, lukas Bank, a ponadto – BRe Bank (jedyny konkurent: Bank Handlowy), Bank Gospodarstwa krajowego (konkurent: Raiffeisen Bank), kredyt Bank (konkurent: euro Bank) oraz Nordea Bank (również euro Bank).
• Przykładowo, optymalna technologia konkurentów technologicznych Banku Handlowego jest następująca:
TtBHan = 0,318 tBRE + 0,602 tBZWBK + 0,197tKredyt + 0,020Euro
Technologie empiryczne (tj) podano tabl. 1.
• Bankiem najczęściej oddziałującym konkurencyjnie na inne nie jest – jak można byłoby się spodziewać – najsilniejszy technologicznie lukas Bank, lecz BZ WBk oraz euro Bank. Jest to nawet dość zrozumiałe: banki kon-kurują technologicznie z bankiem o „osiągalnym” dla nich potencjale tech-nologicznym (Bank Zachodni WBk ma wskaźnik rankingowy 1,4, natomiast euro Bank – 2,8), a nie z bankiem o potencjale „prawie” nieosiągalnym (wskaźnik rankingowy dla lukas Bank wynosi 12,9).
• Bank Zachodni WBk oraz euro Bank są konkurentami technologicznym dla, mniej więcej, połowy banków15.
• Nordea Bank oraz Bank Gospodarstwa krajowego nie są konkurentami dla żadnego banku globalnie efektywnego.
Dla scharakteryzowania „sieci” powiązań konkurencji technologicznej ban-ków globalnie efektywnych wykreślono graf konkurencji. Przedstawia go rys. 1.
1 O liczbie konkurentów technologicznych świadczy w tablicy 5 liczba dodatnich wag intensyw-ności w wierszu dotyczącym danego obiektu (lub w grafie konkurencji – zob. rys. 1 – liczba „strzałek” dochodzących do badanego obiektu). Dodajmy, że – narzucająca się – sugestia, by znaczenie konkurentów badać na podstawie ich wag intensywności l, ogólnie nie jest poprawna. Stosowną procedurę opiszemy w rozdziale następnym.
15 To, dla ilu obiektów dany obiekt jest konkurentem technologicznym, określa liczba dodatnich wag intensywności w kolumnie danego obiektu (lub liczba strzałek „wychodzących” od danego obiektu w grafie konkurencji).
Strzałka biegnie od konkurenta numer j do obiektu badanego (numer o). Obok
krawędzi podano współczynnik loj.
Rysunek 1. Graf konkurencji technologicznej banków globalnie efektywnych
Invest 0,018 8,185 1,439 0,707 0,071 0,488 0,230 4,167 0,050 0,187 0,597 0,245 1,457 0,676 0,197 3,457 0,318 0,720 0,020 0,602 0,024 0,866 0,060 0,017 0,406 PeKaO BZWBK BRE Kred BHan Nordea Euro Lukas BGK Raiff Fortis
Źródło: opracowanie własne
• Zdecydowanym „węzłem” konkurencyjności technologicznej w obrębie ban-ków w pełni efektywnych jest euro Bank. łącznie uczestniczy on aż w 9 (na 11 możliwych) połączeniach konkurencji technologicznej (oddziałuje konkurencyjnie na 5 banków, a jego konkurentami są 4 banki)16. Ważne,
ale wyraźnie mniejsze, znaczenie mają też BZ WBk oraz Raiffeisen Bank (uczestniczą w 6-7 relacjach konkurencji technologicznej). lokalnymi węzłami konkurencji są Bank Handlowy, Fortis Bank oraz lukas Bank. • Przeważają dwustronne powiązania konkurencji technologicznej17. Jest tak,
na przykład, dla BZ WBk i PekaO; Banku Handlowego i BRe; Raiffeisen Banku i Fortis Banku; euro Banku i BZ WBk itd. W niektórych jednak przypadkach powiązania mają charakter jednostronny: np. euro Bank jest konkurentem technologicznym Nordea Banku; lukas Bank jest konkurentem Raiffeisane Banku, ale odwrotne powiązanie nie ma miejsca.
Gęstość powiązań konkurencyjnych prezentowanych na rys. 1, czyli stopień spójności konkurencji technologicznej, wydaje się umiarkowana. Największą
spójność ma, oczywiście, miejsce, gdy każdy obiekt wchodzi w relacje zwrotne z każdym innym obiektem. kierując się tą sugestią można zaproponować nastę-pujący bardzo prosty miernik spójności konkurencji technologicznej, czyli
mier-nik częstości powiązań konkurencyjnych w obrębie danej grupy obiektów:
16 liczba relacji konkurencji technologicznej dotyczących danego obiektu jest sumą dodatnich wag intensywności w wierszu oraz w kolumnie danego obiektu (lub liczbą strzałek dochodzący i wychodzących z wierzchołka dotyczącego danego obiektu w grafie konkurencji).
s MP m m P 1 = = -] g (11) gdzie
P – liczba zaobserwowanych relacji konkurencji technologicznej18,
M – liczba możliwych relacji konkurencji technologicznej, M = m (m – 1)19; m – liczba obiektów w badanym zbiorze obiektów.
Wniosek
• Wskaźnik spójności konkurencji wewnątrz układu banków globalnie efek-tywnych wynosi: sE =26/(12 × 11 = 20%.
• Należy uznać, że siła powiązań konkurencji technologicznej w obrębie ban-ków globalnie efektywnych, choć niezbyt duża, jest wyraźna20.
Struktura konkurencji technologicznej
Procedura określania struktury konkurencji technologicznej
Chodzi tu o ustalenie znaczenia obiektu numer j w technologii wspólnej
konkurentów. Jeśli udział ten jest duży, to obiekt j-y jest relatywnie silnym
konkurentem obiektu o-tego, a jeśli udział jest mały – to obiekt j-y jest słabym
(nieistotnym) konkurentem obiektu o-tego.
Narzucające się proste rozwiązanie poprzez porównanie, uzyskanych z zada-nia Se-CCR, optymalnych współczynników loj dla konkurentów obiektów o-tego
nie wchodzi w grę, gdyż ich wielkość w jakimś stopniu zależy od skali badanego obiektu oraz jego konkurentów. Jeśli oceniany obiekt jest mały, a konkurencyjny jest duży, naturalną koleją rzeczy współczynnik loj musi być bardzo mały; jeśli
zaś obiekt oceniany jest duży, a konkurencyjny jest mały, współczynnik loj może
być, i zazwyczaj jest, bardzo duży21. Żeby ustalić, które obiekty silniej, a które
słabiej konkurują technologicznie, trzeba postąpić inaczej, co jest przedmiotem propozycji zamieszczonej poniżej.
Wskaźniki udziału obiektu j-ego w grupie konkurentów obiektu o-tego
pro-ponujemy określać następująco:
1. Dla każdego konkurenta obiektu o-tego obliczamy wielkości poszczególnych
nakładów oraz poszczególnych rezultatów „wnoszone” przez niego do opty-18 Jest to liczba krawędzi (strzałek) w grafie konkurencji lub liczba dodatnich współczynników
l w tabeli konkurencji technologicznej (zob. tabl. 5).
19 każdy z m obiektów obiekt może mieć m – 1 konkurentów, stąd iloczyn m (m – 1).
20 Można, oczywiście, proponować jeszcze inne mierniki spójności. Gdyby, np. interesowała nas tylko częstość pojawienia się połączeń konkurencyjnych, to rozpatrywalibyśmy tylko fakt wystąpienie połączenia konkurencyjnego (jednostronnego lub dwustronnego) pomiędzy dwoma obiektami. Wskaźnikiem gęstości połączeń konkurencyjnych może być sp = p/(M/2), gdzie p – liczba sytuacji takich, że między dwoma obiektami występuje połączenie konkurencyjne (jednostronne lub dwustronne).
21 Nie należy wobec tego przykładać nadmiernej wagi do wartości współczynników l, o czym wspomniano w przypisie 14.
malnej technologii wspólnej konkurentów obiektu o-tego, mnożąc wagę loj
przez nakład xnj oraz rezultat yrj:
, , ; , , .
xnj=moj njx n=1 fN yrj=moj rjy r=1f R
t ^ h t ^ h (12)
2. Ustalamy ogólną wielkość poszczególnych nakładów oraz poszczegól-nych rezultatów w optymalnej technologii wspólnej konkurentów obiektu
o-tego: , . xn xnj y y j Co r j Corj = = d d t
/
t t/
t (13)Co – zbiór konkurentów obiektu o-tego.
3. Wyznaczamy udziały obiektu j-ego dla poszczególnych nakładów oraz
rezul-tatów: , , ; , , . vnj xx n 1 N u yy r 1 R n nj rj r rj = tt ^ = f h = tt ^ = f h (1)
Wskaźnik vnj jest – dotyczącą nakładu n-tego – częścią całkowitego nakładu
konkurentów, która realizowana jest w „reżimie” technologii obiektu j-ego.
Dlatego można go interpretować jako – odnoszony do nakładu numer n – udział
obiektu j-ego w konkurencji technologicznej wobec obiektu o-tego. Podobnie urj
można interpretować jako udział obiektu j-ego w grupie konkurentów obiektu o-tego ze względu na rezultat r-ty.
Struktura konkurencji technologicznej banków w pełni efektywnych Bierzemy pod uwagę opisane w tablicy 5 powiązania konkurencji techno-logicznej banków w pełni efektywnych. Oszacujemy strukturę ich konkurencji technologicznej na podstawie wzorów podanych w poprzednim rozdziale.
Tryb obliczeń zilustrowano w tablicy 6 w odniesieniu do BZ WBk. W tym wypadku konkurentami technologicznymi są PekaO, Raiffeisen Bank oraz euro Bank, a optymalna technologia konkurentów ma postać:
TtBZWEK= 0,406tPeKaO + 0,866tRaiff + 0,707tEuro (por. wiersz tabl. 5 dotyczący
BZ WBk).
Przykładowe wnioski
• W potencjale konkurentów technologicznych BZ WBk dominujące znaczenie ma technologia PekaO SA. Według niej realizowane jest 60-80%, a niekiedy nawet 90% potencjału konkurentów BZ WBk w odniesieniu do wszystkich nakładów (za wyjątkiem inwestycji finansowych) oraz 60-70% potencjału konkurentów w odniesieniu do obu rezultatów.
Tablica 6 Struktura konkurencji technologicznej wobec BZ WBK
Nakłady i rezultaty
Wielkości empiryczne do technologii wspólnejWielkość wnoszona w technologii wspólnejUdział
PekaO Raiff euro PekaO Raiff euro Razem PekaO Raiff euro
0,406 0,707 0,866 w % Zatrudnienie 15647 2156 1772 6353 1867 1253 9473 67 20 13 Majątek 1498 51 87 608 61 713 85 6 9 Należności 42291 12809 2459 17170 11093 1738 30001 57 37 6 Zob. klienci 51793 10659 12 7598 893 179 8670 88 10 2 inwest. fin. 18714 1031 254 1937 2527 733 5197 37 49 1 Zob. bank. c 4771 2918 1037 21028 9231 1019 31278 67 30 3 Odsetki 2377 506 230 965 438 163 1566 62 28 10 Prowizje 2279 334 166 925 290 117 1332 69 22 9
Źródło: opracowanie własne
• Drugim co do znaczenia konkurentem technologicznym BZ WBk jest Raiffeisen Bank. Według jego technologii realizowane jest 30-40% poten-cjału konkurentów odnośnie do zatrudnienia, należności, inwestycji finan-sowych, zobowiązań wobec banku centralnego oraz obu rezultatów (ok. 30%). Technologia Raiffeisen Banku ma relatywnie największe znaczenie w stosunku do trybu zarządzania inwestycjami finansowymi (prawie 50%), a stosunkowo małe odnośnie do trybu zarządzania majątkiem oraz zobo-wiązaniami wobec klientów.
• Małe (ale niekiedy wyraźne) jest znaczenie euro Banku. W reżimie jego technologii konkurenci realizują 9-13% zatrudnienia, majątku, inwestycji finansowych oraz obu rezultatów.
• średni udział banków-konkurentów w odniesieniu do ich wspólnych rezul-tatów wynosi: PekaO – 65%, Raiffeisen Bank – 25%, euro Bank – 10%, a w odniesieniu do nakładów: PekaO – 67%, Raiffeisen Bank – 25%, euro Bank – 8%.
W tablicy 7 scharakteryzowano strukturę konkurencji banków w pełni efek-tywnych. Nie będziemy interpretować wyników dla poszczególnych banków, gdyż zajęłoby to zbyt wiele miejsca. Przykładową interpretację w odniesieniu do BZ WBk podano przed chwilą.
Tablica 7 Struktura konk ur encji technologicznej bank ów w pełni efektywnych R ez ul ta ty N ak ła dy Pe k aO B R E B H an dl ow y B Z W B k B G k k re dy t k on ku re nc i k on k. k on ku re nc i k on ku re nc i k on k. k on k. B Z W B k in ve st B H an B R E B Z W B k k re dy t lu ka s Pe k aO R ai ff e ur o R ai ff e ur o O ds et ki 62 % 38 % 10 0% 22 % 61 % 15 % 2% 62 % 28 % 10 % 10 0% 10 0% Pr ow iz je 84 % 16 % 10 0% 23 % 67 % 9% 0% 69 % 22 % 9% 10 0% 10 0% Za tr ud ni en ie 53 % 47 % 10 0% 16 % 67 % 16 % 1% 67 % 20 % 13 % 10 0% 10 0% M aj ąt ek 56 % 44 % 10 0% 33 % 53 % 14 % 1% 85 % 6% 9% 10 0% 10 0% N al eż no śc i 72 % 28 % 10 0% 35 % 53 % 11 % 0% 57 % 37 % 6% 10 0% 10 0% Zo b. k lie nc i 85 % 15 % 10 0% 34 % 53 % 13 % 0% 88 % 10 % 2% 10 0% 10 0% in w es t. fin . 84 % 16 % 10 0% 58 % 31 % 10 % 0% 37 % 49 % 14 % 10 0% 10 0% Zo b. b an k. c 74 % 26 % 10 0% 34 % 64 % 1% 0% 67 % 30 % 3% 10 0% 10 0% śr ed ni a – re zu lta ty 73 % 27 % 10 0% 23 % 64 % 12 % 1% 66 % 25 % 10 % 10 0% 10 0% śr ed ni a – na kł ad y 71 % 29 % 10 0% 35 % 54 % 11 % 1% 67 % 25 % 8% 10 0% 10 0% M ie js ce 1 2 1 2 1 3 1 2 3 1 1 R ez ul ta ty N ak ła dy R ai ffe is en Fo rt is N or de a lu ka s e ur o in ve st k on ku re nc i k on ku re nc i k on k. k on k. k on ku re nc i k on ku re nc i B Z W B k Fo rt is lu ka s B Z W B k R ai ff e ur o e ur o e ur o B Z W B k R ai ff Fo rt is lu ka s Pe k aO lu ka s O ds et ki 5% 60 % 35 % 26 % 52 % 22 % 10 0% 10 0% 8% 28 % 44 % 20 % 39 % 61 % Pr ow iz je 10 % 87 % 3% 40 % 41 % 19 % 10 0% 10 0% 14 % 25 % 59 % 2% 91 % 9% Za tr ud ni en ie 6% 66 % 28 % 32 % 38 % 29 % 10 0% 10 0% 10 % 21 % 51 % 18 % 47 % 53 % M aj ąt ek 9% 68 % 23 % 48 % 20 % 32 % 10 0% 10 0% 16 % 12 % 56 % 14 % 70 % 30 % N al eż no śc i 3% 90 % 7% 25 % 63 % 11 % 10 0% 10 0% 5% 24 % 66 % 5% 66 % 34 % Zo b. k lie nc i 15 % 84 % 1% 64 % 29 % 7% 10 0% 10 0% 22 % 19 % 58 % 1% 98 % 2% in w es t. fin . 1% 95 % 3% 18 % 61 % 20 % 10 0% 10 0% 2% 13 % 83 % 2% 47 % 53 % Zo b. b an k. c 8% 84 % 8% 33 % 59 % 8% 10 0% 10 0% 10 % 34 % 52 % 4% 80 % 20 % śr ed ni a – re zu lta ty 7% 73 % 19 % 33 % 46 % 21 % 10 0% 10 0% 11 % 27 % 51 % 11 % 65 % 35 % śr ed ni a – na kł ad y 7% 81 % 12 % 37 % 45 % 18 % 10 0% 10 0% 11 % 20 % 61 % 8% 68 % 32 % M ie js ce 2 1 2 1 3 1 1 3 2 1 1 2
Syntetyczne charakterystyki konkurencji technologicznej
Na podstawie danych z tablicy 7 można podjąć próbę oceny siły poszcze-gólnych konkurentów. Najprostszy wskaźnik, choć bardzo pobieżny, to częstość pojawiania się danego obiektu w listach konkurentów pozostałych banków. Takie informacje już zamieszczano (zob. ostatni wiersz tablicy 5) i komentowano.
inny prosty wskaźnik mógłby dotyczyć warunkowego średniego udziału
obiektu w konkurencji technologicznej ze względu na poszczególne nakłady i rezultaty. Pod tym pojęciem rozumiemy średnią z udziałów w tych tylko przypadkach, w których obiekt rzeczywiście występował w listach konkuren-tów22.
Przykładowo na podstawie tablicy 7 możemy ustalić, że dotycząca rezultatu pierwszego (odsetki) średnia warunkowa dla BZ WBk wyniosła (62 + 61 + 5 + 26 + 8)/5 = 32%, a dla Banku Handlowego 100/1 = 100%. Oznacza to, że BZ WBk, o ile występował w liście konkurentów to jego udział w sile
konku-rentów wynosił średnio 32%. Natomiast Bank Handlowy, o ile występował to
średnio na poziomie 100%.
Wielkości średnich warunkowych podano w tablicy 8. interpretując ich wartości trzeba jednak mieć na uwadze częstość występowania danego banku- -konkurenta, gdyż przy małej liczbie jego wystąpień, średnia warunkowa będzie myląca, jak to ma miejsce dla Banku Handlowego.
Przykładowe wnioski
• Spośród trzech banków stosunkowo najczęściej występujących w roli kon-kurentów technologicznych (BZ WBk, Raifeisen Bank, lukas Bank oraz euro Bank) największe znaczenie ma euro Bank, który – jeśli występuje w liście konkurentów – to średni jego udział zarówno w odniesieniu do nakładów, jak i rezultatów wynosi blisko 2/3.
• Nieco mniejsze znaczenie konkurencyjne ma Raiffeisen Bank – jeśli jest w liście konkurentów technologicznych, to średnio jego udział w poten-cjale konkurentów wynosi około 50%. Na trzecim miejscu znajduje się BZ WBk, który – o ile jest konkurentem – to średnio kreuje nieco ponad 1/3 siły konkurentów.
• Znaczenie najbardziej efektywnego lukas Banku w konkurencji techno-logicznej jest niewielkie (ok. 15%). Jak już wyjaśniano, może brać się to z tego, że jest on wzorcem zbyt niedościgłym.
22 Nie dotyczy to więc sytuacji, gdy obiekt niby występował jako konkurent, ale z udziałem zerowym.
Tablica 8 Warunkowe średnie udziału banków-konkurentów w potencjale konkurencyjnym
Rezultaty
Nakłady PekaO BRE BHan BZ WBk BGk kredyt Raiff Fortis Nordea lukas euro
Odsetki 50% 22% 100% 32% 15% 52% 52% 30% 67% Prowizje 80% 23% 100% 43% 9% 47% 73% 4% 66% Zatrudnienie 57% 16% 100% 34% 16% 45% 59% 25% 69% Majątek 78% 33% 100% 36% 14% 35% 62% 17% 68% Należności 62% 35% 100% 32% 11% 56% 78% 11% 63% Zob. klienci 93% 34% 100% 48% 13% 40% 71% 1% 62% inwest. fin. 42% 58% 100% 27% 10% 56% 89% 15% 67% Zob. bank. c 74% 34% 100% 38% 1% 56% 68% 8% 62% średnia – rezultaty 65% 23% 100% 38% 12% 49% 62% 17% 66% średnia – nakłady 68% 35% 100% 36% 11% 48% 71% 13% 65% średnia ogółem 67% 32% 100% 36% 11% 48% 69% 14% 65% liczba wystąpień 2 1 1 5 0 1 2 0 5
Źródło: opracowanie własne
Konkurencja technologiczna
w obrębie banków globalnie nieefektywnych
Procedura ustalania konkurencji obiektów nieefektywnych
Narzuca się, by w celu ustalenia konkurentów obiektu globalnie nieefek-tywnego wykorzystać idee poprzedniego rozdziału. Mianowicie można by dla każdego obiektu globalnie nieefektywnego rozwiązać zadanie Se-CCR wzglę-dem tylko innych obiektów globalnie nieefektywnych. Obiekty, które według zawężonego zadania Se-CCR tworzą optymalną technologię oponentów danego obiektu, można by uznać za jego konkurentów.
Pojawia się tu jednak następujący kłopot: W rozwiązaniu zadania Se-CCR na dowolnym zbiorze obiektów, powiedzmy Z*, zawsze musi wystąpić przynajmniej
jeden obiekt w pełni efektywny na tym zbiorze (czyli obiekt lokalnie efektywny)
oraz prawie zawsze wystąpią obiekty nieefektywne na zbiorze Z* (czyli obiekty lokalnie nieefektywne). Zatem rozwiązanie zadania Se-CCR na zbiorze obiektów
globalnie nieefektywnych może dostarczyć niejednoznacznych sugestii: niektó-rzy oponenci globalnie nieefektywnego obiektu o-tego będą w sensie
rozwią-zywanego zadania Se-CCR obiektami efektywnymi, a inni – nieefektywnymi. Zgodnie jednak z myślą wyrażoną na początku obecnego rozdziału, obiekty efektywne, to zupełnie inna kategoria niż obiekty nieefektywne. Dlatego też za konkurentów technologicznych danego obiektu można jedynie uznać tych oponentów, którzy są lokalnie efektywni.
Prowadzi to do sekwencji zadań Se-CCR w odniesieniu do coraz węższych zbiorów obiektów globalnie nieefektywnych Z*. Dla danego zbioru Z* etapy
obliczeń są następujące:
a) rozwiązujemy zadania Se-CCR na zbiorze Z* i ustalamy, które z obiektów
są lokalnie efektywne, a które są lokalnie nieefektywne na tym zbiorze; b) ustalamy konkurentów technologicznych dla obiektów lokalnie efektywnych,
rozwiązując ich dotyczące zadania Se-CCR tylko względem zbioru obiektów lokalnie efektywnych na zbiorze Z*;
c) usuwamy z badanego zbioru te obiekty, dla których w etapie (b) ustalono konkurentów technologicznych i przechodzimy do etapu (a) z nowym, zawę-żonym, zbiorem obiektów Z*.
W pierwszej iteracji procedury analizowany jest cały zbiór obiektów global-nie global-nieefektywnych wyznaczonych podczas segmentacji zbioru banków (dzia-łanie nr 2).
Ustalone w iteracji i-tej relacje konkurencji technologicznej obiektów
glo-balnie nieefektywnych nazwać można konkurencją i-tego stopnia obiektów
nieefektywnych.
Konkurencja technologiczna banków nieefektywnych Poniżej scharakteryzowano etapy obliczeń.
Analizujemy cały zbiór 11 banków globalnie nieefektywnych:
PkO BP, BPH, iNG Bank śląski, Bank Millenium, BGŻ, Getin Bank, BPS, BOś, Dominet Bank, BiSe, Bank Pocztowy.
Rozwiązanie przedstawiono w tablicy 9.
Wynika z niego, że tylko jeden bank jest lokalnie nieefektywny (BGŻ). Pozostałe są lokalnie efektywne. Formalnie biorąc należałoby teraz rozwiązać pomocnicze zadanie Se-CCR w odniesieniu do tych dziesięciu banków lokalnie efektywnych:
PkO BP, BPH, iNG Bank śląski, Bank Millenium, Getin Bank, BPS, BOś, Dominet Bank, BiSe, Bank Pocztowy, i na tej podstawie należałoby ustalić konkurencję i-go stopnia w obrębie banków lokalnie efektywnych. Jest to jednak zbyteczne, bo – jak widać z kolumny tablicy 9 dotyczącej BGŻ – bank ten nie występuje w listach oponentów. Dlatego też wyniki zawarte w tablicy 9 dotyczą także rozwiązania modelu Se-CCR ze względu na wszystkie banki oprócz BGŻ.
Są to też wyniki końcowe, bowiem poza ową 10-elementową grupą banków konkurencyjnych (i-go stopnia), pozostał tylko jeden bank (BGŻ)23, który nie jest
konkurentem technologicznym żadnych innych banków globalnie nieefektywnych. 23 Gdyby na przykład okazało się, że pozostaje jeszcze więcej obiektów, to należałoby dla nich
rozwiązać zadania Se-CCR. Obiekty lokalnie efektywne tego zadania tworzyłyby grupę kon-kurentów technologicznych ii-go stopnia. Gdyby nadal pozostawałyby obiekty lokalnie nie-efektywne, to znowu w odniesieniu do nich rozwiązywano by odpowiednie zadanie Se-CCR i ustalano, które z nich w tym nowym zadaniu są lokalnie efektywne (byłyby to obiektu konkurencji iii stopnia, a które są lokalnie nieefektywne itd. Postępowanie kończy się, gdy po danej iteracji w zbiorze obiektów nie ma żadnego lub jest co najwyżej jeden obiekt.
Tablica 9 K onk ur encja technologiczna w obr ębie bank ów globalnie nieefektywnych B an k nu m er o lo ka ln e r W ag i in te ns yw no śc i loj li cz ba ko nk ur en tó w Pk O B PH IN G B M ill B G Ż G et in B PS B O ś D om in et B iS e B Po cz Pk O 1, 00 7 0 0, 19 5 0, 19 8 0 0 0 0 0, 87 9 11 ,2 88 0 18 ,8 46 5 B PH 1, 34 3 0 0 0, 52 7 0 0 4, 03 7 0 0 1, 45 7 0 0 3 IN G 1, 11 2 0 0, 25 2 0 0 0 0 0 2, 34 4 0 0 1, 70 7 3 B M ill 1, 16 5 0 0, 05 6 0 0 0 1, 02 0 0 0 0 0 3, 54 0 3 B G Ż 0, 72 4 0 0 0, 03 6 0 0 0 0 0, 68 4 1, 59 8 0, 58 8 0, 67 7 G et in 1, 36 4 0 0, 03 4 0 0 0 0 0 0 0, 56 7 0 2, 06 0 3 B PS 1, 48 7 0 0 0 0 0 0 0 0 0, 30 8 0 0, 77 1 2 B O ś 1, 05 2 0 0 0, 01 5 0 0 0 0 0 0 0, 75 9 1, 17 1 3 D om in et 5, 25 5 0, 00 5 0 0 0 0 0, 36 6 0 0 0 0 0 2 B iS e 1, 24 8 0 0 0 0 0 0 0 0, 29 3 0, 17 2 0 0 2 B Po cz 1, 68 2 0 0 0 0, 10 7 0 0 0 0, 13 4 0 0 0 2 D la i lu j es t ko nk ur en te m 1 3 1 3 0 5 1 6 28 Źródło: opracowanie własne
Przykładowe wnioski
• W obrębie banków globalnie nieefektywnych, najskuteczniejszą technologią odznacza się Dominet Bank. Dla uzyskania przezeń otrzymanych rezulta-tów jego konkurenci technologiczni (inne banki globalnie nieefektywne) musieliby w swej optymalnej technologii wspólnej poświęcić ponad 5 razy więcej nakładów niż potrzebował Dominet Bank.
• Banki globalnie nieefektywne spotykają się z konkurencją technologiczne ze strony zazwyczaj 2-3 innych banków globalnie nieefektywnych. Jedynie w odniesieniu do PkO BP liczba konkurentów technologicznych jest wyraź-nie większa (pięć), co może sugerować, że bank ten poszukuje swojej nowej technologii i na razie jest wyrazistym imitatorem.
• Z kolei bardzo wyrazistymi emitentami wzorców technologicznych w ob-rębie banków globalnie nieefektywnych są Dominet Bank, Bank Ochrony środowiska oraz Bank Pocztowy, które występują w listach konkurentów technologicznych dla 5-7 banków.
• konkurentami technologicznymi dla innych banków globalnie nieefek-tywnych nie jest Bank Polskiej Spółdzielczości oraz Bank Gospodarki Żywnościowej.
Graf konkurencji technologicznej banków globalnie nieefektywnych poka-zano na rys. 2.
Rysunek 2. Graf konkurencji technologicznej banków globalnie nieefektywnych
BGŻ BPS BMill ING BPH PKO Getin BISE 0,771 0,107 3,540 1,707 2,060 0,134 1,171 0,015 2,344 0,293 0,759 Konkurenci I stopnia 1,020 4,037 0,527 0,252 0,056 0,195 0,198 0,005 1,457 0,567 0,172 11,288 0,879 18,846 0,308 0,034 0,366 BOŚ Dominet BPocz
• W obrębie banków globalnie nieefektywnych nie ma jakichś sprecyzowanych węzłów konkurencji technologicznej. Prawie wszystkie banki uczestniczą w 5-7 relacjach konkurencji technologicznej.
• Współczynnik spójności konkurencji technologicznej i stopnia banków glo-balnie nieefektywnych sNE = 31%2. konkurencja technologiczna w obrębie
banków globalnie nieefektywnych jest wyraźnie większa od konkurencji w obrębie banków w pełni efektywnych.
Struktura konkurencji technologicznej banków nieefektywnych
Strukturę konkurencji technologicznej w obrębie obiektów globalnie nie-efektywnych można obliczyć w podobny sposób, jak strukturę konkurencji obiektów efektywnych (oczywiście biorą pod uwagę wyniki dla odpowiedniej grupy obiektów nieefektywnych). Z uwagi na brak miejsca nie będziemy tego przedstawiali i komentowali.
Bibliografia
Afriat S., [1972], Efficiency estimation of production functions, „international economic Review”,
13, (3).
Andersen P., Petersen N.C., [1993], A procedure for ranking efficient units in Data Envelopment Analysis, „Management Science”, 39(10).
Banker R.D., Gilford J.l., [1988], A relative efficiency model for the evaluation of public health nurse productivity, Mellon University Mimeo, Carnegie.
Banker R.D., Chang H., [2006], The nadektywności procedure for outlier identification, not for ranking efficient units, „european Journal of Operational Research”, 175, 2.
Banker R.D., Das S., Datar S.M., [1989], Analysis of cost variances for management control in hospitals, Research in Governmental and Nonprofit Accounting, 5.
Charnes A., Cooper W.W, Rhodes e., [1978], Measuring the efficiency of decision making units,
„european Journal of Operational Research”, 2.
Charnes A., Haag S., Jaska P., Semple J., [1992], Sensivity of efficiency classifications in the additive model of data envelopment analysis, „international Journal System Science”, 23.
Debreu G., [1951], The coefficient of resource utilization, „econometrica” 19 (3).
Farrell M.J., [1957], The measurement of productive efficiency of production, „Journal of the Royal
Statistical Society”, series A, 1957, 120 (iii).
Färe R., lovell C.A.k., [1978], Measuring the technical efficiency of production, „Journal of
economic Theory”, 19(1).
Färe R., Grosskopf S., lovell C.A.k., [1985], The measurement of efficiency of production,
kluwer-Nijhoff, Boston.
Guan J-C., Yam R.C.M., Mok C-k., Ma N., [2006], A study of the relationship beetwen competiti-veness and technological innovation capability based on DEA models, „european Journal of
Operational Research”, 170.
Hsiao S-H., Su S-H., [2006], An evaluation of investment performance and financial standing for life insurance in Taiwan, „The Journal of American Academy of Business”, 10, 1.
2 liczba połączeń konkurencyjnych wynosi 28 (liczba dodatnich wag intensywności w tablicy 9, oprócz dotyczących BGŻ), a liczba możliwych powiązań konkurencyjnych wynosi 10 × 9.
koopmans T.C., [1951], An analysis of production as an efficient combination of activities, in:
koopmans (ed) Activity analysis of production and Allocation, Willey & Sons, N. York. Rogowski G., [1998], Metody analizy i oceny działalności banku na potrzeby zarządzania
strate-gicznego, Wydawnictwo WSB w Poznaniu, Poznań 1999.
Russell R.R., [2005], Measures of technical efficiency, „Journal of economic Theory”, 35.
Schumpeter J., [1943], Capitalism, Socialism and Democracy, New York: Harper. 50 największych banków w Polsce, Bank. Miesięcznik finansowy, czerwiec 2007.
TECHNOLOGICAL COMPETITION AMONG POLAND’S LARGEST BANKS
S u m m a r y
The author proposes a method for measuring technological competition among businesses and a method to determine the structure of technological competitiveness. To this end the author uses the CCR super-efficiency model applied in Data envelopment Analysis (DeA).
The proposed procedure is used in the study of technological competition among Poland’s 25 largest banks. Guzik uses a set of 2006 data published by Polish banking trade magazine Miesięcznik Finansowy Bank in June 2007.
The results obtained by the author show that foreign and private banks generally display the greatest potential for technological competition, Guzik says, while some of
the banks that were spun off from the National Bank of Poland (NBP) at the start of
the country’s transition to a market economy are the least capable of being competitive technologically. The same is true of banks controlled by state-owned enterprises and organizations, Guzik concludes.
Keywords: technological competition, Data envelopment Analysis, CCR